Quantile 聚合器插件
此插件将每个数值字段按度量聚合到指定的量级，并每 period 发出量级。支持不同的聚合算法，具有不同的精度和限制。
引入于: Telegraf v1.18.0 标签: statistics 操作系统支持: all
全局配置选项
插件支持其他全局和插件配置设置，用于修改指标、标签和字段，创建别名以及配置插件顺序等任务。更多详情请参阅 CONFIGURATION.md。
配置
# Keep the aggregate quantiles of each metric passing through.
[[aggregators.quantile]]
## General Aggregator Arguments:
## The period on which to flush & clear the aggregator.
# period = "30s"
## If true, the original metric will be dropped by the
## aggregator and will not get sent to the output plugins.
# drop_original = false
## Quantiles to output in the range [0,1]
# quantiles = [0.25, 0.5, 0.75]
## Type of aggregation algorithm
## Supported are:
## "t-digest" -- approximation using centroids, can cope with large number of samples
## "exact R7" -- exact computation also used by Excel or NumPy (Hyndman & Fan 1996 R7)
## "exact R8" -- exact computation (Hyndman & Fan 1996 R8)
## NOTE: Do not use "exact" algorithms with large number of samples
## to not impair performance or memory consumption!
# algorithm = "t-digest"
## Compression for approximation (t-digest). The value needs to be
## greater or equal to 1.0. Smaller values will result in more
## performance but less accuracy.
# compression = 100.0算法类型
t-digest
由 Dunning & Ertl (2019) 提出，此类型使用一种特殊的数据结构来聚类数据。这些聚类随后用于近似请求的百分位数。近似的界限可以通过 compression 设置进行控制，其中较小的值会带来更高的性能但精度较低。
由于其增量性质，该算法可以高效地处理大量样本。建议将其用于不需要精确百分位数计算的应用。
有关实现细节，请参阅底层 golang 库。
exact R7 和 R8
这些算法按照 Hyndman & Fan (1996) 的描述计算百分位数。R7 变体在 Excel 和 NumPy 中使用。R8 变体被 Hyndman & Fan 推荐，因为它独立于底层样本分布。
这些算法会保存聚合 period 的所有数据。当与大量系列或大量样本一起使用时，它们需要大量内存。它们比 t-digest 算法慢，并且建议仅与少量样本和系列一起使用。
基准测试 (linux/amd64)
基准测试通过向聚合器添加 100 个具有六个数值字段（和两个非数值字段）的指标并推导出聚合结果来执行。
| 算法 | # 百分位数 | 平均运行时 |
|---|---|---|
| t-digest | 3 | 376372 ns/op |
| exact R7 | 3 | 9782946 ns/op |
| exact R8 | 3 | 9158205 ns/op |
| t-digest | 100 | 899204 ns/op |
| exact R7 | 100 | 7868816 ns/op |
| exact R8 | 100 | 8099612 ns/op |
测量
测量名称会通过此聚合器进行传递。
字段
对于所有数值字段 (int32/64, uint32/64 和 float32/64)，将以 <字段名>_<百分位数*100> 的形式聚合新的百分位数字段。其他字段类型（例如布尔值、字符串）将被忽略并从输出中删除。
例如，将以下指标作为输入传入
- somemetric
- average_response_ms (float64)
- minimum_response_ms (float64)
- maximum_response_ms (float64)
- status (string)
- ok (boolean)
以及 quantiles 的默认设置，您将获得以下输出
- somemetric
- average_response_ms_025 (float64)
- average_response_ms_050 (float64)
- average_response_ms_075 (float64)
- minimum_response_ms_025 (float64)
- minimum_response_ms_050 (float64)
- minimum_response_ms_075 (float64)
- maximum_response_ms_025 (float64)
- maximum_response_ms_050 (float64)
- maximum_response_ms_075 (float64)
status 和 ok 字段被删除，因为它们不是数值字段。请注意，结果字段的数量会随着指定的 quantiles 数量而增加。
标签
标签会通过此聚合器传递到输出。
示例输出
cpu,cpu=cpu-total,host=Hugin usage_user=10.814851731872487,usage_system=2.1679541490155687,usage_irq=1.046598554697342,usage_steal=0,usage_guest_nice=0,usage_idle=85.79616247197244,usage_nice=0,usage_iowait=0,usage_softirq=0.1744330924495688,usage_guest=0 1608288360000000000
cpu,cpu=cpu-total,host=Hugin usage_guest=0,usage_system=2.1601016518428664,usage_iowait=0.02541296060990694,usage_irq=1.0165184243964942,usage_softirq=0.1778907242693666,usage_steal=0,usage_guest_nice=0,usage_user=9.275730622616953,usage_idle=87.34434561626493,usage_nice=0 1608288370000000000
cpu,cpu=cpu-total,host=Hugin usage_idle=85.78199052131747,usage_nice=0,usage_irq=1.0476428036915637,usage_guest=0,usage_guest_nice=0,usage_system=1.995510102269591,usage_iowait=0,usage_softirq=0.1995510102269662,usage_steal=0,usage_user=10.975305562484735 1608288380000000000
cpu,cpu=cpu-total,host=Hugin usage_guest_nice_075=0,usage_user_050=10.814851731872487,usage_guest_075=0,usage_steal_025=0,usage_irq_025=1.031558489546918,usage_irq_075=1.0471206791944527,usage_iowait_025=0,usage_guest_050=0,usage_guest_nice_050=0,usage_nice_075=0,usage_iowait_050=0,usage_system_050=2.1601016518428664,usage_irq_050=1.046598554697342,usage_guest_nice_025=0,usage_idle_050=85.79616247197244,usage_softirq_075=0.1887208672481664,usage_steal_075=0,usage_system_025=2.0778058770562287,usage_system_075=2.1640279004292173,usage_softirq_050=0.1778907242693666,usage_nice_050=0,usage_iowait_075=0.01270648030495347,usage_user_075=10.895078647178611,usage_nice_025=0,usage_steal_050=0,usage_user_025=10.04529117724472,usage_idle_025=85.78907649664495,usage_idle_075=86.57025404411868,usage_softirq_025=0.1761619083594677,usage_guest_025=0 1608288390000000000此页面是否有帮助？
感谢您的反馈！
支持和反馈
感谢您成为我们社区的一员！我们欢迎并鼓励您对 Telegraf 和本文档提出反馈和 bug 报告。要获取支持，请使用以下资源
具有年度合同或支持合同的客户可以 联系 InfluxData 支持。